Berbeda dengan klasifikasi sebelumnya, Klasifikasi terbimbing adalah klasifikasi yang dilakukan dengan arahan analisis supervised. Kriteria
pengelompokkan kelas ditetapkan berdasarkan penciri kelas yang diperoleh analisis melalui pembuatan training area Jaya, 2010. Klasifikasi penutupan
lahan yang digunakan pada penelitian ini adalah Klasifikasi Terbimbing Supervised Classification dengan menggunakan metode Peluang Maksimum
Maksimum Likelihood Classifier. Metode ini merupakan metode yang paling umum digunakan dan merupakan metode standar. Metode ini mempertimbangkan
peluang dari suatu piksel untuk dikelaskan ke dalam kelas atau kategori tertentu. Dapat dihitung dengan menghitung persentase tutupan pada citra yang akan
diklasifikasi. Jika peluang ini tidak diketahui maka besarnya peluang dinyatakan sama untuk semua kelas satu per jumlah kelas yang dibuat Jaya, 2010. Setelah
menentukan training area, maka akan dilakukan proses lain seperti penggabungan kelas Merging berdasarkan nilai keterpisahannya, labelling, pendugaan akurasi,
dan proses deteksi perubahan penggunaan dan penutupan lahan.
2.5.1 Training Area
Dalam klasifikasi terbimbing, analisis perlu membuat kelas-kelas yang diinginkan dan selanjutnya membuat signature atau penciri yang sesuai dengan
yang digunakan. Dalam hal ini diperlukan suatu cara untuk mendapatkan data- data yang mewakili setiap kelas yang ingin diekstrak. Klasifikasi ini sangat
sesuai, jika ingin membuat kelas-kelas yang jelas kita inginkan. Training area diperlukan dalam setiap kelas yang akan dibuat, dan diambil dari areal yang cukup
homogen. Pada saat pembuatan, analisis harus bisa melihat secara jelas perbedaan yang tampak pada citra. Jika perbedaan tidak tampak secara jelas, maka
kemungkinan ada kesalahan klasifikasi. Masing-masing training area mewakili satu kelas atau kategori tutupan lahan. Secara teoritis jumlah piksel yang harus
diambil per kelas adalah sebanyak jumlah band yang digunakan plus satu N+1. Tetapi pada prakteknya, jumlah piksel yang harus diambil dari setiap kelas
biasanya 10 sampai 100 kali jumlah band yang digunakan Jaya, 2010. Pada ERDAS, pembuatan training area dilakukan menggunakan:
a. layer dari vektor.
b. membuat secara langsung pada citra dengan Tools AOI. c. metode kesamaan spektral speed pixel dengan piksel-piksel yang ada di
sekitarnya. d. menggunakan batasan radius tertentu.
e. menggunakan hasil klastering.
2.5.2 Analisis Keterpisahan Separability Assesment
Analisis keterpisahan adalah analisis kuantitatif yang menunjukan keterpisahan statistik antara kelas penutupan lahan, apakah suatu kelas layak
untuk digabung atau tidak berdasarkan kriteria tingkat keterpisahan Jaya, 2006. Kriteria tingkat keterpisahan dapat dilihat pada Tabel 2.
Tabel 2. Kriteria Tingkat Keterpisahan
Nilai Transformasi Keterpisahan Keterangan
1.600 1.600 – 1.800
1.700 – 1.900 1.900 – 2.000
2.000 Tidak terpisahkan inseperable
Cukup baik poor Baik fair
Sangat baik good Sempurna excellent
Sumber : Jaya 2006
2.5.3 Penggabungan Kelas Merging Grouping
Merging adalah proses penggabungan kelas-kelas yang memiliki jarak yang dekat dengan mempertimbangkan jumlah piksel pada setiap kelas, kemiripan
similarity, serta nilai keterpisahaan antar kelas Jaya, 2006.
2.5.4 Labeling